III.4Клиентская поддержка и customer success

Модель ShenaoZ/0.001_ablation_4iters_bs256_iter_3 — дообученная диалоговая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она принимает текст и генерирует текст; заявленная задача — text-generation. Модель дообучена на наборах updated и original на основе ShenaoZ/0.001_ablation_4iters_bs256_iter_2, а её контекстное окно составляет 32 768 токенов. Модель подходит для генерации ответов в диалоге и других сценариев текстовой генерации. Репозиторий содержит веса в формате Safetensors. Лицензия — MIT. Карточка не приводит результатов оценки и подробностей о назначении или ограничениях модели, поэтому качество для конкретных задач по имеющимся данным оценить нельзя.

ShenaoZ/0.01_withdpo_4iters_bs256_531lr_iter_3 — диалоговая языковая модель, разработанная ShenaoZ и дообученная методом DPO на обновлённом и исходном наборах данных. Она основана на Mistral и предназначена для генерации текста в чат-сценариях. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий распространяет веса в формате safetensors по лицензии MIT. Карточка не раскрывает назначение и состав обучающих данных, результаты оценки или конкретные сильные стороны, поэтому качество ответов и пригодность для отдельных областей по имеющимся сведениям оценить нельзя.

Fischerboot/9-test — разговорная языковая модель для генерации текста, созданная на основе Fischerboot/8-test. В README указано, что веса получены слиянием моделей методом SLERP через mergekit; метаданные также связывают модель с Fischerboot/8-test как с базовой моделью. Архитектура — плотная LlamaForCausalLM, размер — 5,3 млрд параметров, формат весов — safetensors, контекст — до 8192 токенов. Модель предназначена для диалоговой генерации текста и может использоваться в чат-сценариях. Карточка не приводит конкретных оценок качества или специализированных областей применения. Лицензия в предоставленных данных не указана.

AfriGuardPlain-AfriqueQwen3.5-4B — диалоговая модель генерации текста, созданная дообучением полной модели McGill-NLP/AfriqueQwen3.5-4B командой AfriGuard. Её обучали на наборе adzcai/AfriGuard-plain: на безопасные запросы она даёт полезные ответы, а на небезопасные — кратко отказывает. Вариант Plain обучен без системной инструкции по безопасности и без специальных меток в примерах. Поэтому он отвечает или отказывает непосредственно, не выдавая метку безопасности. Модель использует плотную архитектуру Qwen3.5 с 4 миллиардами параметров, формат safetensors и библиотеку Transformers; она предназначена для диалогового текстового взаимодействия. Метаданные перечисляют английский, амхарский, хауса, игбо, оромо, шона, суахили, тви, волоф, йоруба и зулу. Лицензия — CC BY 4.0.

AfriNLP/AfriNLLB-12enc-12dec-full-ft — дообученная командой AfriNLP модель машинного перевода на базе facebook/nllb-200-distilled-600M. Она обучена на наборе AfriNLP/AfriNLLB-train и поддерживает 15 языковых пар, то есть 30 направлений перевода. Среди перечисленных языков — суахили, хауса, йоруба, амхарский, сомали, зулу, лингала, африкаанс, волоф, египетский арабский, а также арабский, английский, французский, португальский и испанский. Модель использует архитектуру M2M100 с 12 слоями энкодера и 12 слоями декодера, содержит 463,7 млн параметров и имеет контекст до 1024 токенов. Для инференса доступны Transformers и CTranslate2; авторы рекомендуют CTranslate2 для более быстрого применения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение.

Alireza1044/albert-base-v2-sst2 — модель классификации текста на основе ALBERT, дообученная на наборе данных SST-2 из бенчмарка GLUE для определения тональности английских высказываний. Это плотная архитектура AlbertForSequenceClassification с 136,3 млн параметров и контекстом до 512 токенов. Модель принимает текст и возвращает класс тональности; на оценочной выборке SST-2 указана точность 0,9232 и функция потерь 0,3808. Модель подходит для классификации тональности коротких английских текстов, например отзывов и пользовательских комментариев. Весами можно пользоваться в формате PyTorch. Лицензия — Apache-2.0. Карточка не описывает дополнительные сценарии применения или ограничения.

Amadeus-Verbo-BI-Qwen-2.5-7B-PT-BR-Instruct-Experimental — языковая модель, разработанная Amadeus AI на основе Qwen2.5-7B и дообученная на 600 тысячах инструкций в течение двух эпох. Это плотная Transformer-модель с архитектурой Qwen2 и 7,1 млрд параметров по метаданным; в карточке README указано 7,62 млрд параметров. Она предназначена для генерации текста и диалоговых ответов на бразильском португальском языке, в том числе при использовании шаблона чата. Длина контекста — 131 072 токена. Модель можно запускать через библиотеку Transformers. Метаданные указывают лицензию Apache-2.0. Карточка называет модель экспериментальной; качество и надёжность ответов для конкретных задач могут варьироваться.

Карточка модели Smuggling1710/An4-7Bv2.3 на Hugging Face совпадает с карточкой Smuggling1710/An4-7Bv2.1, поэтому описание составлено по ней. An4-7Bv2.1 — языковая модель Smuggling1710 для генерации текста. Она дообучена на базе unsloth/mistral-7b-v0.2-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель построена на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, принимает текст и генерирует текст. Модель подходит для сценариев генерации текста на английском языке. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализированные задачи или дополнительные возможности модели.

Карточка модели Smuggling1710/An4-7Bv2.4 на Hugging Face совпадает с карточкой Smuggling1710/An4-7Bv2.1, поэтому описание составлено по ней. An4-7Bv2.1 — языковая модель Smuggling1710 для генерации текста. Она дообучена на базе unsloth/mistral-7b-v0.2-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель построена на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, принимает текст и генерирует текст. Модель подходит для сценариев генерации текста на английском языке. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализированные задачи или дополнительные возможности модели.

appvoid/arco-reddit-v3 — компактная авторегрессионная языковая модель семейства Llama, разработанная appvoid и дообученная на основе appvoid/arco-2. Она предназначена для генерации текста и диалогового общения; размер модели — 464,4 млн параметров, длина контекста — 8192 токена. Модель опубликована в формате PyTorch и обучалась с использованием Unsloth и Hugging Face TRL. Лицензия — Apache-2.0. Метаданные указывают английский язык и поддержку чата. Карточка не описывает Reddit-специализацию или конкретные обучающие данные, поэтому такие возможности нельзя подтвердить.

Azure Dusk-v0.1 — разговорная языковая модель Epiculous для диалога, ролевых игр и использования в качестве помощника. Она основана на Mistral-Nemo-Base-2407 и имеет плотную архитектуру MistralForCausalLM с 12,1 млрд параметров. Модель обучали в два этапа с LoRA: сначала на инструкционных данных, затем на данных для ролевых игр. В карточке указано окно контекста до 1 024 000 токенов. Модель рассчитана на генерацию диалоговых ответов, которые могут быть полезными и при этом менее шаблонными, а также на ролевое взаимодействие. В README рекомендован формат запроса Mistral Instruct; для некоторых квантованных вариантов могут лучше работать шаблоны ChatML. Поддерживаются английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Лицензия — Apache-2.0.

b200-l3-ultra-bsw-lsc-b0p05-s42-v1-a1 — дообученная чат-модель на архитектуре Llama, разработанная на основе W-61/llama-3-8b-base-sft-ultrachat-8xh200. Она предназначена для генерации текста в диалоге. Модель содержит 7,5 млрд параметров, использует библиотеку Transformers и формат safetensors; длина контекста — 8192 токена. README не раскрывает особенности обучения, целевые сценарии, языки или результаты оценки, поэтому возможности модели сверх генерации текста в чате не установлены. Лицензия в предоставленных данных не указана.

Beetle-FineWeb2-24B/beetle-bilingual-balanced-b1-fineweb-tur-eng — модель генерации текста на базе библиотеки Transformers. По названию репозитория она ориентирована на двуязычные сценарии с турецким и английским языками и связана с данными FineWeb. Модель предназначена для генерации продолжений текста и других задач, поддерживаемых пайплайном text-generation, например создания черновиков, ответов и текстовых фрагментов. Сведения о разработчике, архитектуре, размере, длине контекста, лицензии, методах обучения и результатах оценки в доступной карточке отсутствуют, поэтому эти характеристики нельзя надежно определить.

saribasmetehan разработал модель анализа тональности, дообучив турецкий регистрозависимый BERTurk dbmdz/bert-base-turkish-cased на наборе winvoker/turkish-sentiment-analysis-dataset. Это плотный BERT-энкодер с 137,8 млн параметров, рассчитанный на классификацию турецких текстов по трём меткам: положительная, нейтральная и отрицательная. Для обработки доступны входные последовательности длиной до 512 токенов. В README указаны точность 0,962 и loss 0,2458 на оценочной выборке; для обучения использовались 10 000 примеров, для тестирования — 2 000. Модель можно применять для определения тональности коротких сообщений и отзывов. Лицензия — MIT. Показатели качества относятся к указанной оценочной выборке и не гарантируют таких же результатов на других данных.

BigWeave-v6-90b — разговорная языковая модель, созданная автором llmixer как послойное слияние моделей Xwin-LM-70b-v0.1 и Euryale-1.3-70b по схеме в стиле Goliath-120b. Это плотная архитектура Llama с 87,5 млрд параметров; модель опубликована в формате safetensors и рассчитана на генерацию текста в диалоге. Для запросов используются форматы Vicuna и Alpaca. Карточка приводит результаты оценивания на задачах рассуждения и понимания текста; автор публикует варианты слияния, которые показывают приемлемые результаты. Модель подходит для ведения диалога и генерации ответов на английском языке. Контекст составляет 4096 токенов. Лицензия — Llama 2; применимость модели определяется её условиями. Карточка не описывает специализированные области применения или ограничения качества помимо указания на экспериментальный характер поиска удачных комбинаций слияния.

category-v10 — дообученная модель классификации текстов на базе simpliTax/bert-automap-pbt-fine-tuned, разработанная simpliTax. Она предназначена для присвоения тексту категории; конкретная схема категорий и целевая область применения в карточке не описаны. Модель использует архитектуру BERT для классификации последовательностей, содержит 137 млн параметров и принимает тексты длиной до 512 токенов. В оценке указаны accuracy 0,5948, macro F1 0,1717 и weighted F1 0,5197. Данные обучения обозначены как None, поэтому оценить охват категорий и репрезентативность обучения нельзя. Модель опубликована в формате safetensors под лицензией MIT.

Claude-Fable7-Undecillion-SSE — разговорная модель на базе весов Jhanna 12, опубликованная Oroboros Labs. В README заявлены настройка личности и агентный контракт с логикой маршрутизации и использованием инструментов; метаданные классифицируют модель как text-generation с поддержкой чата. Заявленная архитектура Wan 2.2 относится к видеодизайну, но карточка не подтверждает, что репозиторий умеет генерировать видео. Файл весов указан в формате GGUF с квантизацией Q4_K_M; в README приведены оценки размера около 14,8 млрд параметров и 9,0 ГБ для файла. Карточка называет модель многоязычной для английского, китайского, японского и испанского языков. Лицензия указана как other, поэтому конкретные условия использования следует проверять в файлах репозитория. Заявления о тестировании, скорости и точности приведены автором и не подтверждены независимыми данными.

DataDecide-dolma17-no-math-code-1B-6000062500650006750069369weightedavgmerge — языковая модель, созданная слиянием нескольких предобученных чекпойнтов методом Linear с помощью mergekit. В качестве базового чекпойнта при слиянии использован step69369; также объединены чекпойнты step60000, step62500, step65000 и step67500 из серии dolma1_7-no-math-code. Архитектура — плотная LlamaForCausalLM, размер — около 1,2 млрд параметров. Модель предназначена для генерации текста. В названии серии обозначено исключение математики и кода, но README не приводит оценок качества или подробных сценариев применения. Максимальная длина контекста — 2048 токенов. Модель работает с текстовым вводом и выдаёт текст. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

kartd/DeepSeek-R1-Distill-Qwen-14B-GRPO-Taiwan-Spirit — разговорная текстовая модель, представленная как дообученная версия с использованием TRL. В README для примера запуска указана модель kartd/DeepSeek-R1-Distill-Qwen-14B-GRPO; название модели и метки указывают на семейства DeepSeek-R1 и Qwen, а также обучение методом GRPO, однако точный размер и связь с базовым чекпойнтом по доступным данным установить нельзя. Модель предназначена для генерации текста в диалоговом формате. Её можно использовать для ответов на вопросы и продолжения беседы; запуск в примере выполняется через Transformers pipeline с задачей text-generation. В метаданных указаны формат safetensors и возможность чата. Карточка не описывает специализацию на тайваньской тематике, поддержку языков или оценку качества. Лицензия и условия использования в предоставленных данных отсутствуют, поэтому определить их нельзя.

Katayoon/DPO-ONLY-Zephyr-7B-3-iter-1 — чат-модель на архитектуре Mistral, дообученная разработчиком Katayoon на обновлённом и исходном наборах данных. Она предназначена для генерации текста в диалоге и имеет 7,1 млрд параметров и контекстное окно до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. Карточка не описывает конкретные сценарии применения, результаты оценки или известные ограничения качества. Поэтому пригодность модели для отдельных задач следует проверять самостоятельно.

Henk717 создал Echidna-Tiefighter-25 — объединённую причинную языковую модель семейства Llama на базе Llama 2 13B. В README указано, что веса объединены методом task arithmetic из NeverSleep/Echidna-13b-v0.3 и KoboldAI/LLaMA2-13B-Tiefighter с базой TheBloke/Llama-2-13B-fp16; модель распространяется в формате safetensors и имеет 12,9 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет 4096 токенов. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. В источниках нет сведений о поддерживаемых естественных языках или специализированных областях применения.

Это дообученная на базе GPT-2 модель Francesca9805 для генерации текста. Она обучалась с помощью TRL и предназначена для текстовых запросов, в том числе вопросов в диалоговом формате; пример в карточке показывает генерацию ответа на открытый вопрос. Модель принимает текст и выдаёт текст, использует архитектуру GPT-2 и рассчитана на контекст до 512 токенов. В карточке не описаны дополнительные специализированные области применения или языки. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

ErebusNeuralSamir-7B-dare-ties — объединённая языковая модель на архитектуре Mistral, созданная автором stevez80 с помощью mergekit и метода DARE-TIES. В объединение вошли SamirGPT-v1, NeuralHermes-2.5-Mistral-7B и Mistral-7B-Erebus-v3 на базе Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая творческое письмо и ролевое взаимодействие. Лицензия — Apache-2.0. README не приводит оценок качества или конкретных ограничений применения; поведение и результаты могут зависеть от промпта и выбранных настроек генерации.

EverythingBagel-DPO-7B — объединённая модель на базе Mistral, созданная с помощью LazyMergekit из jondurbin/bagel-dpo-7b-v0.5 и SanjiWatsuki/Silicon-Maid-7B. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов; в каталоге указана поддержка диалогового режима. Модель предназначена для генерации текста и диалогов, включая творческие сценарии и ролевое общение, характерные для базовых моделей. В репозитории приведена конфигурация слияния методом SLERP и весами bfloat16; отдельно упомянуты квантизованные версии GGUF, предоставленные другим автором. Качество, языки и условия лицензирования в предоставленных материалах не описаны. Практическое назначение и ограничения унаследованы от компонентов слияния, поэтому результаты могут различаться в зависимости от промпта и выбранной версии весов.

Experiment26Yam_PasticheNeuralsirkrishna — объединённая модель для генерации текста, созданная слиянием automerger/Experiment26Yam-7B и automerger/PasticheNeuralsirkrishna-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель предназначена для текстовой генерации. Данные карточки не описывают специализированные сценарии, языки или дополнительные возможности. Распространяется под лицензией Apache-2.0.

Experiment28M7_Experiment24Alloyingotneoy — объединённая языковая модель семейства Mistral, созданная слиянием моделей automerger/Experiment28M7-7B и automerger/Experiment24Alloyingotneoy-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов; размер модели — 7,1 млрд параметров. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache 2.0. Модель подходит для генерации продолжений и ответов на текстовые запросы. README не приводит результатов оценки качества или сведений о целевых языках и специализированных сценариях, поэтому её возможности сверх генерации текста не следует предполагать.

firstmodel — разговорная языковая модель, опубликованная пользователем danturner1982. Это дообученная модель семейства Llama с плотной архитектурой LlamaForCausalLM, примерно 505 млн параметров и контекстом до 8192 токенов. Модель распространяется в формате Safetensors и запускается через Transformers; в карточке указан сценарий генерации текста в ответ на сообщения пользователя. Она предназначена для диалоговой генерации текста и ответов на вопросы. Модель обучалась с использованием TRL; базовая модель в карточке не определена. Данных о поддерживаемых языках и лицензии в доступных сведениях нет.

flammen16-mistral-7B — языковая модель FlammenAI на архитектуре Mistral с 7,1 млрд параметров. По карточке, модель получена слиянием предварительно обученных моделей и последующим дообучением методом Direct Preference Optimization на наборе Truthy DPO от Jon Durbin; метаданные указывают базовую модель flammen15X-mistral-7B. Для запуска используется библиотека Transformers, веса представлены в формате safetensors, лицензия — Apache-2.0. Модель предназначена для ролевых диалогов с персонажами, творческого письма и задач общего назначения, связанных с генерацией текста. Заявленная длина контекста — до 32 768 токенов. Карточка не сообщает конкретные языки обучения или целевые языки, поэтому языковую специализацию определить нельзя.

Francois-Huali-12B — диалоговая языковая модель семейства Mistral, опубликованная Delta-Vector. По README, это дообученная и объединённая с другой моделью версия Francois-PE, обученная с KTO для повышения связности ответов и качества прозы. Модель рассчитана на чат и генерацию кратких, выразительных текстов; для диалога использует формат ChatML. В метаданных указаны 12,1 млрд параметров и контекст до 1 024 000 токенов. Модель подходит для ответов в диалоге и генерации прозы. README рекомендует использовать системный промпт Euryale или EVA. Карточка перечисляет обучающие наборы диалоговых и экспериментальных данных, в том числе материалы для ролевых сценариев, но не сообщает, какие языки модель поддерживает. В репозитории указаны веса Safetensors; лицензия в предоставленных данных отсутствует.

SameedHussain/gemma-2-2b-it-Flight-Multi-Turn-V3-DPO — диалоговая модель генерации текста, разработанная SameedHussain методом дообучения Gemma 2 2B Instruct с использованием DPO. В карточке приведены метрики обучения на нескольких шагах; специальных сведений о сценарии «Flight» или составе обучающих данных нет. Модель построена на плотной архитектуре Gemma 2 и содержит 2,7 млрд параметров. Она предназначена для многоходового общения и принимает текст, генерируя текстовые ответы; заявленный контекст составляет 8192 токена. Указаны английский язык и лицензия Apache 2.0. Количественная оценка качества или конкретные ограничения применения в карточке не приведены.